[發明專利]人工耳蝸聽覺場景識別方法

在審

• 申請號: 201811276582.0
• 申請日: 2018-10-30
• 公開（公告）號: CN109448702A
• 公開（公告）日: 2019-03-08
• 發明（設計）人: 樊偉;劉新東;劉根芳;魏清
• 申請（專利權）人: 上海力聲特醫學科技有限公司
• 主分類號: G10L15/02
• 分類號: G10L15/02;G10L15/06;G10L15/16;G10L15/26;G10L25/18;G10L25/45
• 代理公司: 上海申浩律師事務所 31280
• 代理人: 唐佳弟;秦華毅

本發明公開了一種人工耳蝸聽覺場景識別方法，其包括如下步驟：(A)預處理程序模塊將聲音信號進行分幀與加窗處理；(B)特征提取程序模塊將預處理后的聲音信號進行特征提取；(C)場景識別程序模塊將特征提取后的聲音信號進行CNN運算，得出各預設場景的概率值，將概率值最大的場景判定為最終場景并輸出。該通過CNN處理，能識別不同的聽覺場景，為語音處理器后續語音增強及言語策略等信號處理模塊提供指示，使語音處理器的信號處理與聽覺場景更加匹配，輸出與實際聽覺場景更加相符的刺激信號，提高患者在噪聲環境下的語音信號的清晰度、可懂度，同時還可提高音樂場景下的聆聽效果，進一步改善人工耳蝸植入患者的生活質量。

技術領域

本發明涉及一種聽覺場景識別方法，尤其涉及一種人工耳蝸聽覺場景識別方法。

背景技術

人工耳蝸是目前世界公認的能使雙側重度或極重度感音神經性耳聾患者恢復聽覺的唯一有效方法及裝置。現有的人工耳蝸運作流程為：聲音先由麥克風采集轉換為電信號，經過特殊的數字化處理，再按照一定的策略編碼，通過載在耳后的發射線圈傳送到體內，植入體的接收線圈感應到信號后，經過解碼芯片解碼，使植入體的刺激電極產生電流，從而刺激聽神經產生聽覺。由于使用環境的限制，聲音中必然摻雜著環境雜音，需要對聲音信號進行一定的算法優化，但鑒于使用環境的多樣化，如果只使用單一算法優化，則算法優化后的信號有時會與實際情況有所偏差，無法達到最佳的聽覺效果，故需要一種聽覺場景的識別方法，使得不同場景使用不同的優化算法，已達到最佳的聽覺效果。

發明內容

有鑒于現有技術的上述缺陷，本發明所要解決的技術問題是提供一種人工耳蝸聽覺場景識別方法，其能識別不同的聽覺場景。

為實現上述目的，本發明提供了一種人工耳蝸聽覺場景識別方法，其包括如下步驟：(A)預處理程序模塊將聲音信號進行分幀與加窗處理；(B)特征提取程序模塊將預處理后的聲音信號進行特征提取；(C)場景識別程序模塊將特征提取后的聲音信號進行CNN運算，得出各預設場景的概率值，將概率值最大的場景判定為最終場景。

在步驟A中，該加窗處理使用Hamming窗或Hanning窗。

進一步，Hamming窗：其中，窗長N＝256，幀移取128。

在步驟B中，該特征向量提取采用MFCC、FBank或語譜圖。

進一步，Fbank的特征提取方法：對預處理輸出的每一幀聲音信號進行FFT變換:X[i,k]＝FFT[x_i(m)]；對每一幀FFT后的數據計算譜線能量：E[i，k]＝[x_i(k)]²；計算Mel濾波器能量：其中，H_m(k)為Mel濾波器的頻率響應，m為Mel濾波器個數，這里取40；取對數運算：Fbank＝log[S(i,m)]。

在步驟C中，該CNN包括輸入層，中間層及輸出層，其中，該輸入層為聲音信號特征構成的二維數據矩陣，該中間層包括卷積輸出層，池化輸出層以及全連接輸出層，該全連接輸出層由一個一維數據組成，該池化輸出層比該卷積輸出層少一個。

進一步，池化處理采用Maxpooling或Meanpooling。

再進一步，激活函數使用ReLU、sigmoid、tanh或Logistic，其中，ReLU公式：

本發明人工耳蝸聽覺場景識別方法通過CNN處理，能識別不同的聽覺場景，為語音處理器后續語音增強及言語策略等信號處理模塊提供指示，使語音處理器的信號處理與聽覺場景更加匹配，輸出與實際聽覺場景更加相符的刺激信號，提高患者在噪聲環境下的語音信號的清晰度、可懂度，同時還可提高音樂場景下的聆聽效果，進一步改善人工耳蝸植入患者的生活質量。

以下將結合附圖對本發明的構思、具體結構及產生的技術效果作進一步說明，以充分地了解本發明的目的、特征和效果。